基于随机预测控制理论和功率波动相关性的风电集群优化调度

为解决大规模风电并网的日内调度和实时控制问题,提出一种基于功率波动时间相关性和随机模型预测控制理论(fluctuation temporal correlation stochastic model predictive control,FTC-SMPC)的风电集群优化调度方法。基于单风场预测模型及误差模型,建立了表征风电集群功率动态波动时间相关性的预测误差的多元高斯概率密度函数(multivariate Gaussian probability density function,MGPDF)。通过逆变换抽样技术和场景缩减技术,从MGPDF随机生成的大量符合风电集群功率波动时间相关性的场景中选取风电功率预测典型场景。以典型场景集合为基础,建立调度周期内各场景弃风电量期望最小的日内调度模型。以风电集群日内调度曲线为参考,建立各风场功率缺额期望最小的风场实时控制策略。算例分析表明,相比于传统SMPC调度模型,文中所提调度模型能更准确地反映风电的波动特性并使调度曲线更加平滑,进而提高了对大规模风电的消纳能力。     

基于仿真优化智能变电站巡检机器人路径研究

智能变电站巡检机器人对于保证电力系统的安全、稳定、可靠运行具有重要意义,同时具有提高巡检质量及提升能效的作用。针对实际应用中巡检机器人路径规划基于静态地图、难以应对未建模环境信息以及系统存在随机因素的问题,文中提出了一种基于仿真优化方法的巡检机器人路径策略改进的方法。首先通过巡检过程中的实时观测信息,利用随机方法产生用于仿真优化的运行样本,然后在给定的规划策略的基础上利用仿真样本进行路径策略的改进,在保证路径策略性能的同时降低机器人的计算负荷。仿真实验结果表明,所提出的方法可以在栅格环境下有效的应用于给定的基于规则的路径策略和贪婪路径策略的性能改进。     

多时空尺度协调的风电集群有功分层预测控制方法

大规模风电集群内风电场数量众多,分布范围广,提高风电集群有功控制能力十分关键。为此,该文基于模型预测控制理论,提出一种考虑多时空尺度协调的风电集群有功分层预测控制方法。该方法将风电集群在空间尺度上分为三层控制层,将超短期风电功率预测值在时间尺度上逐层细化,并对各层滚动优化环节进行了优化建模。其中,在预测模型环节采用物理方法和统计方法结合的组合预测模型,在反馈校正环节采用基于误差波动性分析的方法。在区域层内以功率变化趋势与风电场运行状态为信息进行动态分群,在单场层内考虑风电集群送出通道利用率与自动发电控制机组下旋转备用空间以促进风电消纳。仿真分析中通过与常用有功分配方法对比,结果表明文中所提方法在保证系统安全运行和满足集群计划的同时,能够提高风电消纳能力,合理利用风能资源和分配集群内风电功率。